kalomaze：模型迁移差非泛化缺陷，而是人类选题偏好所致
kalomaze · x · 2026-09-12
kalomaze 认为，「模型之间能力迁移不佳」不该解读为模型本身泛化能力差，而是人类选题方式造成的间接窄化：人在寻找「能广泛迁移」的改进上直觉很差，于是大家只扩造已知有用问题的合成数据，目前基本就是 SWE 工程师关心的那些任务。这种窄选题让训练信号天然偏向特定领域，掩盖了跨领域泛化的可能。
所属事件:kalomaze：信息不对称才是RLVR通用原语(9 条相关)→
「模型」频道最新
- Qwenputer：把完整 RISC-V CPU 塞进 Qwen3.5-4B 权重里 — armand_ruiz · 2026-10-31
- OpenAI 收紧青少年保护：屏蔽武器与安防细节，可自动终止暴力话题对话 — rohanpaul_ai · 2026-10-31
- Granite Switch 4.1.1 发布：像更新软件一样更新模型 — krvarshney · 2026-10-31
- Mistral 开源新模型 Le Chonk：开源模型登顶 FrontierCode，网安能力获五厂商实测 — tensorqt · 2026-10-31
- CS336 讲义详解 DPO：两答案概率相同也可有正偏好差，β 控制偏离幅度 — stanfordnlp · 2026-10-31
- 中国电信 Xing4.0-29B MoE 模型获 ik_llama.cpp 原生运行支持 — Any_Bus9205 · 2026-10-31